大型语言模型 (LLM) 可以帮助企业和团队完成各种基于自然语言的任务。例如，它们可以生成发送给客户的个性化电子邮件，或分析客户反馈并提取关键洞察。但 LLM 无法独自创作出精彩的内容。他们需要我们以提示的形式提供一些指导。
纷享的提示词模板是一种可重复使用的提示词。提示模板包含用于填写客户、产品等具体细节的占位符。一旦这些占位符被填充了真实相关的 CRM 数据，提示词模板就变成了真正个性化的提示词。
提示词模板介绍
创建提示词模板
- 提示词模板场景分类
通过场景分类确定提示词模板在纷享中的业务使用场景
- 提示词模板主对象
设置提示词模板的主对象，在除了「自定义场景」类型以外的提示词模板中必填
主对象决定提示词模板能够在具体哪个对象被使用，并且可以作为主对象的数据变量在提示词模板中引用
- 支持图片输入
提示词模板需要多模态输入时选择，图片来源可以是 NPath（租户中保存的图片地址）或者图片 URL（租户外的图片 URL）
- 提示词模板变量
在自定义场景类型的提示词中，用户可以添加自定义提示词变量
自定义变量可以在提示词模板中被引用
编辑提示词模板
- 模板设置
选择提示词大模型的厂商和模型
支持网络搜索的模型可以开启网络搜索功能，模型会根据提示词的指示进行网络搜索完成内容的生成
- 属性设置
设置提示词的以下属性：
1. 生成语言：跟随个人语言；跟随租户语言；指定语言
2. 语言风格：默认；轻松；正式
3. 发出方角色：提示词生成语言的简单人设，会影响生成内容的风格
4. 内容长度：提示词生成内容的最大长度
- 提示词内容
编写提示词的区域，可以引用多种类型的变量构筑提示词的内容。引用的变量会在提示词内容编辑框中作为高亮占位符存在，并在提示词运行时用变量的值代替占位符
变量类型介绍：
| 类型 | 说明 |
| 主对象及字段 | 在内容中引用提示词模板关联的主对象的字段值 |
| 其他对象及字段 | 在内容中引用指定对象的字段值 |
| 自定义变量 | 在内容中引用用户定义的自定义变量值 |
| 当前相关变量 | 在内容中引用当前用户和租户的信息 |
| 自定义函数 | 在内容中引用自定义函数的返回值具体使用方法参考文档：https://www.fxiaoke.com/mob/guide/apl/dist/pages/func-introduce/apl-func-scene/ai_prompt/1.summarize/ |
| 语义检索索引 | 在内容中引用语义检索的召回内容需要配置查询内容和返回条数返回的数据格式为 json 数组 |
| 网络搜索 | 在内容中引用网络搜索的搜索结果需要配置查询内容和返回条数返回的数据格式为 json 数组 |
提示词内容支持一键 AI 优化，客户根据用户的优化指示优化提示词内容
- 输出设置
设计提示词的输出变量格式，支持文本和 Json 两种类型
提示词的生成文本的格式会严格按照输出设置的格式生成
- 自定义设置
提示词模板会根据属性设置以及输出设置，自动生成一些内容，这些内容会和用户输入的提示词一起组成一个整体的提示词，发送给大模型。
如果您想完全自己编写提示词的内容，以便完整的控制提示词的生成内容，可以开启自定义设置，这时提示词模板将会隐藏属性设置和输出设置，提示词的风格、长度限制、输出格式等一切完全由提示词内容决定。
调试提示词模板
点击生成预览，在弹框中设置需要在提示词内容中使用的变量值，点击后开始预览调试
调试结果在以下两个区域展示
- 提示词预览：使用设置的变量值替换提示词中的占位符后的提示词内容
- 生成文本：提示词生成的文本内容
关于提示词本身
最后让我们花一些时间了解一下提示词工程本身，如何去撰写一个合格的提示词
你可以通过简单的提示词（Prompts）获得大量结果，但结果的质量与你提供的信息数量和完善度有关。一个提示词可以包含你传递到模型的指令或问题等信息，也可以包含其他详细信息，如上下文、输入或示例等。你可以通过这些元素来更好地指导模型，并因此获得更好的结果。
提示词包含的要素
指示：想要模型执行的特定任务或指示。
上下文：包含外部信息或额外的上下文信息，引导语言模型更好地响应。
输入数据：用户输入的内容或问题。
输出指示：指定输出的类型或格式。
设计提示的通用技巧
- 从简单开始
你可以从简单的提示词开始，并逐渐添加更多元素和上下文（因为你想要更好的结果）。因此，在这个过程中不断迭代你的提示词是至关重要的。阅读本指南时，你会看到许多示例，其中具体性、简洁性和简明性通常会带来更好的结果。
当你有一个涉及许多不同子任务的大任务时，可以尝试将任务分解为更简单的子任务，并随着结果的改善逐步构建。这避免了在提示设计过程中一开始就添加过多的复杂性。
- 指示
你可以使用命令来指示模型执行各种简单任务，例如“写入”、“分类”、“总结”、“翻译”、“排序”等，从而为各种简单任务设计有效的提示。
请记住，你还需要进行大量实验以找出最有效的方法。以不同的关键词（keywords），上下文（contexts）和数据（data）试验不同的指示（instruction），看看什么样是最适合你特定用例和任务的。通常，上下文越具体和跟任务越相关则效果越好。
- 具体性
要非常具体地说明你希望模型执行的指令和任务。提示越具描述性和详细，结果越好。特别是当你对生成的结果或风格有要求时，这一点尤为重要。更重要的是要有一个具有良好格式和描述性的提示词。事实上，在提示中提供示例对于获得特定格式的期望输出非常有效。
在设计提示时，还应注意提示的长度，因为提示的长度是有限制的。想一想你需要多么的具体和详细。包含太多不必要的细节不一定是好的方法。这些细节应该是相关的，并有助于完成手头的任务。这是你需要进行大量实验的事情。我们鼓励大量实验和迭代，以优化适用于你应用的提示。
- 避免不明确
给定上述关于详细描述和改进格式的建议，很容易陷入陷阱：想要在提示上过于聪明，从而可能创造出不明确的描述。通常来说，具体和直接会更好。这里的类比非常类似于有效沟通——越直接，信息传达得越有效。
- 做什么还是不做什么?
设计提示时的另一个常见技巧是避免说不要做什么，而应该说要做什么。这样（说要做什么）更加的具体，并且聚焦于（有利于模型生成良好回复的）细节上。
- 使用分隔符
分隔符可以帮助划分文本的不同部分，便于大模型更好地理解，以便进行不同的处理。分隔符可以使用任何通常不会同时出现的特殊字符序列，举些例子：###、===、>>>